graph_cut_binary — SEGMENTATION `graph` op

• Datenarten: image2d → table

• Aufruf: import fullseye as fs; fs.ledger.graph_cut_binary(image, *, lam: 'float' = 1.0, mu_bg: 'Optional[float]' = None, mu_fg: 'Optional[float]' = None, contrast_sigma: 'Optional[float]' = None, seeds=None, connectivity: 'int' = 4) -> 'Dict[str, object]' (die Implementierung direkt: import seggraph; seggraph.graph_cut_binary(image, *, lam: 'float' = 1.0, mu_bg: 'Optional[float]' = None, mu_fg: 'Optional[float]' = None, contrast_sigma: 'Optional[float]' = None, seeds=None, connectivity: 'int' = 4) -> 'Dict[str, object]'; aus dem Register: opssegmentation.get("graph_cut_binary"))

Verwendung

Binärer Graph Cut (Boykov–Jolly 2001): minimiert E = Σ_p D_p(x_p) + λ Σ w_pq [x_p ≠ x_q] exakt per Max-Flow / Min-Cut (graph_cut_binary).

> Die ausführliche Beschreibung unten ist der Originaltext — Zusammenfassung und Überschriften sind übersetzt.

データ項は D_p(0) = (I_p − μ_bg)²、D_p(1) = (I_p − μ_fg)²(μ を省くと isodata の 2 群の平均)。辺の重みは

w_pq = exp(−(I_p − I_q)²/(2σ²)) / dist(p, q)(`contrast_sigma = σ、省くと 1/dist = Potts)。seeds` は labels2d で

1 = 背景の種、2 = 物体の種(Boykov–Jolly の K = 1 + max_p Σ_q λ w_pq で硬く縛る、エネルギーには数えない)。

返す: `mask(物体 = True)、energy = data + smooth、cut_value / flow_value`(実数に戻した値 = 整数の値 / scale +

定数)と `cut_value_int / flow_value_int(最大フロー = 最小カットの門)、quantization_bound`(整数化による実数の

最小との差の上界、整数の入力なら 0)。

Ausführlicher Anwendungsleitfaden

• Leitfaden zur Familie halcon_segmentation

Hintergrundwissen (Physik und Konventionen hinter diesem Operator)

• graph_hierarchy_and_thresholds — グラフ・階層・閾値の定理でつくる分割 — 何が厳密で、どこで割れ方が倒れるか

Referenzen (Beispieldaten, Literatur)

• Katalog der Beispieldaten (Download-URLs / Lizenzen) — 2-D nutzt skimage.data (BSD/Public Domain) plus synthetische Bilder, 3-D nennt Download-URLs echter Datenquellen (Stanford, PDS, …).

• Herkunft und Literatur der Operatoren — die Quellen der Forschung/Verfahren, auf denen diese Operatorfamilie beruht.

• Der kanonische Algorithmus (Autor, Jahr) und seine Anwendungen stehen im Familienleitfaden oben.

Ausführbare Beispiele (verifizierte Samples, die diesen Operator wirklich aufrufen)

• poc_graph_hierarchy_segmentation — py -3.11 examples/poc_graph_hierarchy_segmentation.py

Typkompatible Folge-Operatoren (nehmen `table` als Eingabe)

class_ndim_norm

Gleiche Kategorie (`graph`)

alpha_expansion · statistical_region_merging · max_tree · area_opening_attr · quasi_flat_zones · alpha_tree · hierarchical_watershed · ultrametric_contour_map

*Provenance: seggraph.py — SEGMENTATION Operator-Registry. Diese Notiz wird von tools/opdocs.py md erzeugt (nicht von Hand bearbeiten).*

graph_cut_binary — SEGMENTATION graph op